1、根据AI运维知识体系规划，通过多渠道（官方文档、技术社区、合规网络源等）定向采集文本、代码、问答对等原始数据。
2、对采集的数据进行初步分类、打上基础标签，并按照既定结构进行归存储。
3、记录数据来源、采集时间等元信息，确保数据可追溯。
4、协助维护和更新数据采集的规则与来源列表，并定期汇报采集进度与数据质量初检情况。
5、依据详细的标注规范，对清洗后的文本数据进行结构化标注、实体识别、质量分级等工作。
6、使用辅助工具或脚本，对数据质量进行校验，确保数据符合AI训练要求的质量标准。
7、记录清洗和标注过程中的问题，参与优化数据处理的流程与规则。
8、协助将处理好的高质量数据，按要求导入或提交至知识库系统。
9、完成导师安排的其他与数据准备相关的辅助性工作。
10、对采集来的原始数据进行深度清洗，包括去重、格式化、纠错、删除无关信息与敏感信息等。